基于DEA的區域經濟發展與環境績效評估研究

陳潔++侯威

摘 要：針對經濟發展對環境造成的影響，以G20成員為研究對象，將二氧化碳排放量作為非意愿產出，利用DEA方法分析2010年至2012年的效率變化，找出影響二氧化碳排放的要素，探討各經濟體的經濟發展與環境績效關系，利用差額變數分析相對無效率國家的改善方向，進一步討論規模報酬情況，通過敏感度分析探討各變量對效率值的影響。

關鍵詞：二氧化碳排放量 數據包絡分析 環境績效

中圖分類號：F207 文獻標識碼：A 文章編號：1674-098X（2014）03（c）-0089-04

自工業革命以來，各國政府皆以經濟發展、改善人民生活水平為主要目標，所以只要GDP增長似乎就代表經濟增長，人民生活獲得了改善，施政方向正確，所以政府政策的制定皆以經濟發展為導向。隨著全球經濟發展和高度工業化，環境污染及溫室氣體的排放所導致的氣候變暖現象已受關注。但不可避免的是各經濟體的生產行為一定會伴隨溫室氣體尤其是二氧化碳的排放，因此了解全球重要經濟體的經濟增長與二氧化碳排放情況，是一個值得關注的議題。因此，各經濟體在專注提升生產力與經濟發展的同時，更應該去了解生產活動所伴隨的負面影響及對環境產生的沖擊，在經濟發展與環境破環中去尋求平衡，探討在控制溫室氣體排放量和經濟發展的目標下各經濟體的經營績效具有重要的現實意義。

1 相關研究評述

面對經濟發展所衍生的能源消耗與環境污染，如何平衡經濟持續發展所產生的環境負面影響，已是當前各國所面臨的一個重要課題，也是當前研究極為活躍的領域之一，已經取得了豐富的理論和應用成果。如李力等（2008）對近八年中國工業產值、能源消費和廢氣排放進行了縱向和橫向的效率評價。[1]楊玉珍等（2010）以河南省1990-2007年資源環境與經濟社會系統協調發展為例作了實證研究。[2]汪克亮等（2010）測算了中國29個省份能源利用的經濟效率并度量了其環境績效。[3]胡曉珍等（2010）運用構造的DEA三階段模型測算了1995-2007年中國29個省經制度環境變量調整前后的技術效率水平。[4]許陳生等（2011）評估了1993-2007年我國地方經濟發展的環境協調性。[5]劉睿劼等（2012）結合社會支付意愿理論，對2000-2008年的中國工業進行了經濟-環境效率測算。[6]黃賢鳳等（2013）以中國八大經濟區大中型工業企業的技術創新效率為研究對象，應用SE-DEA視窗分析和計量分析技術展開實證研究。[7]王軍（2013）運用熵權法構建山東省環境污染綜合指數，然后求得山東省的綠色GDP并作為綠色經濟的產出指標，將勞動、資本及技術作為綠色經濟的投入指標，測算得到山東省的綠色經濟效率。[8]綜上所述，當前研究多是以DEA來評價企業間或國內經濟層級的生產與環境的績效。因此，該文利用DEA分析G20成員國的效率變化找出影響二氧化碳排放的影響因素，比較我國與其他成員國效率的差距，進而提出國家制定環境政策的參考方向。

2 模型、指標及數據

該文采用DEA的CCR與BCC模型來評估G20成員國2010-2012年的經濟發展與環境績效，觀察其各年度變化進行評比，并進行比較分析，找出提升效率尤其是降低二氧化碳排放的方案。由于各國所擁有的自然資源不同，政治環境也不同，因此各國制定的經濟發展目標與環境政策也不盡相同。為了能更為了解各國是否在經濟發展的同時也兼顧環境保護的均衡發展，開展對世界各國相關資料的分析對比是獲得相關信息較為有效的方法。全球性的普查所涵蓋的資料分析量過于龐大，本文以G20成員國為研究目標，進行資料收集與分析。G20成員國不僅遍布全球，且也是在全球經濟發展中占有重要地位發達和發展中國家，其GDP之和約占全球的90%，筆者希望通過本文來了解世界主要國家的經濟發展與環境保護的發展現狀。

一個國家投入到生產資金與設備的多寡關系到國家整體費支出及經濟增長效率，因此本文選取各國上市公司的總資本為投入項；經濟發展除了投入適當的資本外，充沛及高素質的勞動人口也是經濟持續發展的關鍵因素，故選擇為投入項；一個國家要發展經濟除了投入資產設備與人力，能源也是必不可少的投入，故選擇能源消耗為投入項，另外有研究顯示，90%二氧化碳排放與能源消耗有關，因此選取二氧化碳排放量來取代能源消耗量作為第三投入項。GDP一般是衡量一個國家或地區經濟狀況和發展水平的重要指標，也是國民經濟核算的核心指標，但若考慮到各國的消費水平和消費能力，購買力平價（PPP）則更將適合，這一指標使我們能夠對各國的GDP能進行更合理的比較，故選擇購買力平價為產出項。由此，整理出適合研究對象的環境績效評估的投入與產出項分別為：資本、勞動力與能源消耗量，產出為GDP，非意愿產出為二氧化碳排放量。考慮到能源消耗量與二氧化碳排放量與各國物價水平存在高度相關性，故選取資本、勞動力和二氧化碳排放量為投入項，產出項為購買力平價。

數據采集主要以2010-2012年G20成員國的公開資料為基礎，并將歐盟數據由G20成員剔除，主要原因是歐盟成員國中4個主要國家（英國、法國、德國、意大利）也是G20成員國，且這4國人口占歐盟的50%以上，GDP占歐盟的60%以上，為避免重復計算，故只選擇此4國為代表。將所搜集的數據先進行分類統計，以了解各變量的基本狀況，再對變量進行相關系數分析。在進行DEA分析前，投入項與產出項數據需先符合固定規模報酬的假設，即投入數量增加時，產出數量不得減少。為了解投入產出項是否符合，將收集資料進行檢驗，并去除不符合條件的因素。一般而言，投入項與投入項彼此之間的相關性應較弱，投入項與產出項之間的相關性應較強。以2010年數據進行變量的相關系數分析：勞動力與資本、二氧化碳排放量、PPP相關系數分別為0.244、0.798、0.657，皆為正相關；資本與勞動力、二氧化碳排放量、PPP相關系數分別為0.244、0.698、0.872，皆為正相關；二氧化碳排放量與勞動力、資本、PPP相關系數分別為0.798、0.698、0.939，都為正相關；PPP與勞動力、資本、二氧化碳排放量也皆為正相關，相關系數分別為0.657、0.872、0.939。分析結果發現，選取的變量之間均為正相關，適合作為DEA方法的變量。endprint

該文是以效率為分析方向，分析資料范圍為2010-2012年的靜態資料，將選定的投入項與產出項看作為可控制變量，為確保各受評單位可以運用現有投入資源達到提供最大產出水平，因此以投入導向的效率衡量方式進行DEA分析。除了效率評估外，也通過DEA投影分析來了解資源的利用情況以及擬定改善對策與目標。

3 實證分析

該文的績效評估是以效率評估為方向，以CCR-I和BCC-I（I代表投入導向）模型計算其效率，對于效率值為1的進一步檢驗其被納入參考集合的次數，以解釋其穩健度，根據Norman &Stocker（1991）對效率穩健度所設計分類標準：被參考次數3次以上為強有效率單位；被參考次數少于3次的為邊緣效率單位；效率值小于1大等于0.9的為邊緣非效率單位；效率值小于0.9的為明顯非效率單位。找出標桿參考單位并予以分析，以作為非效率單位調整改善的依據。此外對于效率值小于1的解釋造成無效率的可能原因。CCR模型是以固定規模報酬為基礎，即投入量增加，產出量也應以等比例增加。然而生產過程有可能出現規模報酬遞增或規模報酬遞減情況，當產出有遞增或遞減情況時，則適合用BBC模型來計算技術效率值，然后用生產效率除以技術效率值計算出規模效率。本文將以DEA分析結果來進行各DMU的生產效率、技術效率和規模效率分析，嘗試通過差額變量分析、敏感度分析來解釋其績效表現，以及影響績效的主要因素，進而提出改善資源使用效率的建議。

3.1 CCR-I模型實證分析

以G20成員國3年的數據進行CCR-I模型分析，如表1所示。

2010年有6個國家效率值為1，分別為阿根廷、巴西、法國、意大利、墨西哥、美國；2011年和2012年有4個國家效率值為1，分別為阿根廷、法國、意大利、美國；是相對有效率。其余國家是相對無效率，3個年度效率平均值分別為0.8722、0.7658和0.7691；均高于我國3年效率值。由CCR模型分析結果可知，2010年阿根廷、法國、意大利和美國這四個國家被參考次數均大于3次，認為是高效率國家，巴西和墨西哥被參考次數小于3次，認為是低效率國家，澳大利亞、加拿大、德國、印尼、俄羅斯、土耳其、沙特效率值在0.9～1之間，認為是低無效率，而中國、印度、日本、韓國和南非效率值小于0.9，被認為是高無效率；2011年高效率國家有阿根廷、法國、意大利和美國，低無效率國家包括澳大利亞、巴西、德國和英國，剩余國家均為高無效率國家；2012年高效率國家包括阿根廷、法國、意大利、美國，低無效率國家包括澳大利亞、德國和英國；剩余國家均高無效率。

3.2 BCC-I模型實證分析

2010-2012年BBC模型分析的技術效率、規模效率以及規模報酬情況如表2所示。

由以上數據可知在非規定報酬的情況下，以BCC-I模型分析，有超過一半國家的技術效率值均為1，以CCR-I所得的生產效率除以技術效率可得規模效率與規模報酬情況，可以看出由于技術效率多為1，故規模效率多受生產效率值的影響，判定本案例偏向固定效率模式，因此本文僅以CCR-I模型進差額分析與敏感度分析。

3.3 敏感度和差額分析

DEA所得的效率為DMU間的相對效率，效率值直接受到投入項與產出項的數值的影響。當改變投入項與產出項時，必須重新計算效率值來檢查變量變化對效率的影響。本文通過敏感度分析了解各投入項與產出項對效率值的影響。以2012年進行敏感度分析可以發現，當刪去勞動力投入項時，發現其對效率影響最大，這意味著所占權重最大，其次是二氧化碳排放量所占權重略大于資本。

針對中國相對無效率進行差額分析，了解其無效率的原因，以2010年數據分析結果如表3所示。

綜合以上數據，我們發現：G20成員國由6個有效率的國家減少為4個，連續三年都有效率的國家為阿根廷、法國、意大利、美國，皆為美洲和歐洲，連續三年最差的國家為南非，亞洲、非洲國家則是相對無效率。整體經濟發展進步的國家為澳大利亞、德國、英國和韓國。中國這三年效率也僅高于南非的效率值，排名倒數第二。由績效變遷可以看出，2010-2011年G20成員國平均效率衰退達11.7%，分析其投入與產出項數據可以發現，投入項中的勞動力、資本、二氧化碳排放量的增長率分別為0.65%、39.75%、-1.46%，產出項PPP的增長率則為0.25%；2011-2012年的數據分別為0.62%、14.37%與6.82%，明顯可以看出2010-2011年效率低下的原因主要來自PPP產出較少。通過分析可以發現中國、印度、印尼、巴西、墨西哥俄羅斯、土耳其及南非等均有超過55%的過多勞動力投入，因此這些國家亟需進行產業升級，將國內產業由勞動密集型提升為技術密集和知識密集型產業，以減少人力資源的浪費。

中國、印尼、印度、俄羅斯、南非和沙特相較于其他國家的二氧化碳排放量過大也是造成表現相對無效率的主要原因，上述六國使用石化燃料發電的比例高達65%以上，相對于有效率國家石化燃料的使用比例平均接近50%，這些國家相對于有效率的國家對于有效率的國家石化燃料的依賴程度相對較高。目前，世界發達國家提出的主要的二氧化碳排放政策主要包括：提高能源生產和使用效率；改變燃料種類減少二氧化碳排放量；發展可再生能源；重新考慮發展核能發電；發展二氧化碳捕捉與封存技術，減少二氧化碳排放到大氣；等等。因此如何改善能源政策、提供減少二氧化碳排放的誘因（如二氧化碳排放許可交易、征收二氧化碳排放稅，并將稅收用于補貼低碳能源或者負擔碳捕捉與封存等新技術的發展成本），是上述國家制定未來重要的能源使用規劃與環境政策考慮的重點。

就我國來看，2012年分析數據以及敏感度與投影分析結果可知，我國在勞動力、資本投入以及二氧化碳排放量方面分別有74.3%、63.3%和63.3%的超額投入或超額排放，進而影響我國的整體績效，2012年我國整體績效僅為0.3673.若分別將勞動力、資本與二氧化碳排放量修正至理想值，則效率可分別提升至0.8343、0.7785和0.9383.改善效果以減少二氧化碳排放量最為明顯，其次是以改善勞動力。

4 結語

該文研究樣本遍及各洲，雖然樣本較為分散可以增加研究內容的多樣性，但也因各樣本所處區域不同，其政治、文化、國情、地理資源及資源也不同，若區域內發生不可預期的天然或人為災害等短期對國家經濟有強烈影響沖擊的區域性變化，極有可能影響短期整體效率的表現。本文將國家經濟發展的基本要素（勞動力、資本）和產出（PPP）以及非意愿產出（二氧化碳排放量）作為變量，但實際上國家經濟發展除了人力、資本投入外，還需要消耗大量的能源，以及消耗能源所產生除了二氧化碳以外的其他溫室氣體，因此未來的研究可以考慮將能源消耗納入投入變量，其他溫室氣體納入產出變量，或將二氧化碳排放量按照部門或產業再細分，以使分析結果更加完善。此外，僅以2010-2012年資料進行分析，若想對各國效率變遷趨勢有更深入的了解，可以加長樣本期間，如10年間效率變遷，應可以看出更為精確的分析結果。

參考文獻

[1] 李力.基于能源-經濟-環境DEA分析的我國工業發展效率評價研究[J].科技管理研究，2008，28（5）：93-95.

[2] 楊玉珍.基于復合DEA的區域資源、環境與經濟社會協調發展研究—— 以河南省為例[J].統計與決策，2010（7）：82-84.

[3] 汪克亮，楊寶臣，楊力.中國能源利用的經濟效率、環境績效與節能減排潛力[J].經濟管理，2010（10）：1-9.

[4] 胡曉珍，張衛東，楊龍.制度環境、技術效率與區域經濟增長差異[J].公共管理學報，2010（2）：79-88.

[5] 許陳生.我國地方經濟發展的環境協調性及其影響因素——基于DEA-Tobit模型的實證研究[J].廣東外語外貿大學學報，2011，22（5）：47-52.

[6] 劉睿劼.基于WP—DEA方法的中國工業經濟-環境效率評價[J].中國人口資源與環境，2012，22（2）：125-129.

[7] 黃賢鳳，武博，王建華.中國八大經濟區工業企業技術創新效率及其影響因素研究[J].中國科技論壇，2013（8）：90-97.

[8] 王軍.山東省綠色經濟效率測算及實證研究[J].中國石油大學學報：社會科學版，2013，29（5）：49-52.endprint

該文是以效率為分析方向，分析資料范圍為2010-2012年的靜態資料，將選定的投入項與產出項看作為可控制變量，為確保各受評單位可以運用現有投入資源達到提供最大產出水平，因此以投入導向的效率衡量方式進行DEA分析。除了效率評估外，也通過DEA投影分析來了解資源的利用情況以及擬定改善對策與目標。

3 實證分析

該文的績效評估是以效率評估為方向，以CCR-I和BCC-I（I代表投入導向）模型計算其效率，對于效率值為1的進一步檢驗其被納入參考集合的次數，以解釋其穩健度，根據Norman &Stocker（1991）對效率穩健度所設計分類標準：被參考次數3次以上為強有效率單位；被參考次數少于3次的為邊緣效率單位；效率值小于1大等于0.9的為邊緣非效率單位；效率值小于0.9的為明顯非效率單位。找出標桿參考單位并予以分析，以作為非效率單位調整改善的依據。此外對于效率值小于1的解釋造成無效率的可能原因。CCR模型是以固定規模報酬為基礎，即投入量增加，產出量也應以等比例增加。然而生產過程有可能出現規模報酬遞增或規模報酬遞減情況，當產出有遞增或遞減情況時，則適合用BBC模型來計算技術效率值，然后用生產效率除以技術效率值計算出規模效率。本文將以DEA分析結果來進行各DMU的生產效率、技術效率和規模效率分析，嘗試通過差額變量分析、敏感度分析來解釋其績效表現，以及影響績效的主要因素，進而提出改善資源使用效率的建議。

3.1 CCR-I模型實證分析

以G20成員國3年的數據進行CCR-I模型分析，如表1所示。

2010年有6個國家效率值為1，分別為阿根廷、巴西、法國、意大利、墨西哥、美國；2011年和2012年有4個國家效率值為1，分別為阿根廷、法國、意大利、美國；是相對有效率。其余國家是相對無效率，3個年度效率平均值分別為0.8722、0.7658和0.7691；均高于我國3年效率值。由CCR模型分析結果可知，2010年阿根廷、法國、意大利和美國這四個國家被參考次數均大于3次，認為是高效率國家，巴西和墨西哥被參考次數小于3次，認為是低效率國家，澳大利亞、加拿大、德國、印尼、俄羅斯、土耳其、沙特效率值在0.9～1之間，認為是低無效率，而中國、印度、日本、韓國和南非效率值小于0.9，被認為是高無效率；2011年高效率國家有阿根廷、法國、意大利和美國，低無效率國家包括澳大利亞、巴西、德國和英國，剩余國家均為高無效率國家；2012年高效率國家包括阿根廷、法國、意大利、美國，低無效率國家包括澳大利亞、德國和英國；剩余國家均高無效率。

3.2 BCC-I模型實證分析

2010-2012年BBC模型分析的技術效率、規模效率以及規模報酬情況如表2所示。

由以上數據可知在非規定報酬的情況下，以BCC-I模型分析，有超過一半國家的技術效率值均為1，以CCR-I所得的生產效率除以技術效率可得規模效率與規模報酬情況，可以看出由于技術效率多為1，故規模效率多受生產效率值的影響，判定本案例偏向固定效率模式，因此本文僅以CCR-I模型進差額分析與敏感度分析。

3.3 敏感度和差額分析

DEA所得的效率為DMU間的相對效率，效率值直接受到投入項與產出項的數值的影響。當改變投入項與產出項時，必須重新計算效率值來檢查變量變化對效率的影響。本文通過敏感度分析了解各投入項與產出項對效率值的影響。以2012年進行敏感度分析可以發現，當刪去勞動力投入項時，發現其對效率影響最大，這意味著所占權重最大，其次是二氧化碳排放量所占權重略大于資本。

針對中國相對無效率進行差額分析，了解其無效率的原因，以2010年數據分析結果如表3所示。

綜合以上數據，我們發現：G20成員國由6個有效率的國家減少為4個，連續三年都有效率的國家為阿根廷、法國、意大利、美國，皆為美洲和歐洲，連續三年最差的國家為南非，亞洲、非洲國家則是相對無效率。整體經濟發展進步的國家為澳大利亞、德國、英國和韓國。中國這三年效率也僅高于南非的效率值，排名倒數第二。由績效變遷可以看出，2010-2011年G20成員國平均效率衰退達11.7%，分析其投入與產出項數據可以發現，投入項中的勞動力、資本、二氧化碳排放量的增長率分別為0.65%、39.75%、-1.46%，產出項PPP的增長率則為0.25%；2011-2012年的數據分別為0.62%、14.37%與6.82%，明顯可以看出2010-2011年效率低下的原因主要來自PPP產出較少。通過分析可以發現中國、印度、印尼、巴西、墨西哥俄羅斯、土耳其及南非等均有超過55%的過多勞動力投入，因此這些國家亟需進行產業升級，將國內產業由勞動密集型提升為技術密集和知識密集型產業，以減少人力資源的浪費。

中國、印尼、印度、俄羅斯、南非和沙特相較于其他國家的二氧化碳排放量過大也是造成表現相對無效率的主要原因，上述六國使用石化燃料發電的比例高達65%以上，相對于有效率國家石化燃料的使用比例平均接近50%，這些國家相對于有效率的國家對于有效率的國家石化燃料的依賴程度相對較高。目前，世界發達國家提出的主要的二氧化碳排放政策主要包括：提高能源生產和使用效率；改變燃料種類減少二氧化碳排放量；發展可再生能源；重新考慮發展核能發電；發展二氧化碳捕捉與封存技術，減少二氧化碳排放到大氣；等等。因此如何改善能源政策、提供減少二氧化碳排放的誘因（如二氧化碳排放許可交易、征收二氧化碳排放稅，并將稅收用于補貼低碳能源或者負擔碳捕捉與封存等新技術的發展成本），是上述國家制定未來重要的能源使用規劃與環境政策考慮的重點。

就我國來看，2012年分析數據以及敏感度與投影分析結果可知，我國在勞動力、資本投入以及二氧化碳排放量方面分別有74.3%、63.3%和63.3%的超額投入或超額排放，進而影響我國的整體績效，2012年我國整體績效僅為0.3673.若分別將勞動力、資本與二氧化碳排放量修正至理想值，則效率可分別提升至0.8343、0.7785和0.9383.改善效果以減少二氧化碳排放量最為明顯，其次是以改善勞動力。

4 結語

該文研究樣本遍及各洲，雖然樣本較為分散可以增加研究內容的多樣性，但也因各樣本所處區域不同，其政治、文化、國情、地理資源及資源也不同，若區域內發生不可預期的天然或人為災害等短期對國家經濟有強烈影響沖擊的區域性變化，極有可能影響短期整體效率的表現。本文將國家經濟發展的基本要素（勞動力、資本）和產出（PPP）以及非意愿產出（二氧化碳排放量）作為變量，但實際上國家經濟發展除了人力、資本投入外，還需要消耗大量的能源，以及消耗能源所產生除了二氧化碳以外的其他溫室氣體，因此未來的研究可以考慮將能源消耗納入投入變量，其他溫室氣體納入產出變量，或將二氧化碳排放量按照部門或產業再細分，以使分析結果更加完善。此外，僅以2010-2012年資料進行分析，若想對各國效率變遷趨勢有更深入的了解，可以加長樣本期間，如10年間效率變遷，應可以看出更為精確的分析結果。

參考文獻

[1] 李力.基于能源-經濟-環境DEA分析的我國工業發展效率評價研究[J].科技管理研究，2008，28（5）：93-95.

[2] 楊玉珍.基于復合DEA的區域資源、環境與經濟社會協調發展研究—— 以河南省為例[J].統計與決策，2010（7）：82-84.

[3] 汪克亮，楊寶臣，楊力.中國能源利用的經濟效率、環境績效與節能減排潛力[J].經濟管理，2010（10）：1-9.

[4] 胡曉珍，張衛東，楊龍.制度環境、技術效率與區域經濟增長差異[J].公共管理學報，2010（2）：79-88.

[5] 許陳生.我國地方經濟發展的環境協調性及其影響因素——基于DEA-Tobit模型的實證研究[J].廣東外語外貿大學學報，2011，22（5）：47-52.

[6] 劉睿劼.基于WP—DEA方法的中國工業經濟-環境效率評價[J].中國人口資源與環境，2012，22（2）：125-129.

[7] 黃賢鳳，武博，王建華.中國八大經濟區工業企業技術創新效率及其影響因素研究[J].中國科技論壇，2013（8）：90-97.

[8] 王軍.山東省綠色經濟效率測算及實證研究[J].中國石油大學學報：社會科學版，2013，29（5）：49-52.endprint

該文是以效率為分析方向，分析資料范圍為2010-2012年的靜態資料，將選定的投入項與產出項看作為可控制變量，為確保各受評單位可以運用現有投入資源達到提供最大產出水平，因此以投入導向的效率衡量方式進行DEA分析。除了效率評估外，也通過DEA投影分析來了解資源的利用情況以及擬定改善對策與目標。

3 實證分析

該文的績效評估是以效率評估為方向，以CCR-I和BCC-I（I代表投入導向）模型計算其效率，對于效率值為1的進一步檢驗其被納入參考集合的次數，以解釋其穩健度，根據Norman &Stocker（1991）對效率穩健度所設計分類標準：被參考次數3次以上為強有效率單位；被參考次數少于3次的為邊緣效率單位；效率值小于1大等于0.9的為邊緣非效率單位；效率值小于0.9的為明顯非效率單位。找出標桿參考單位并予以分析，以作為非效率單位調整改善的依據。此外對于效率值小于1的解釋造成無效率的可能原因。CCR模型是以固定規模報酬為基礎，即投入量增加，產出量也應以等比例增加。然而生產過程有可能出現規模報酬遞增或規模報酬遞減情況，當產出有遞增或遞減情況時，則適合用BBC模型來計算技術效率值，然后用生產效率除以技術效率值計算出規模效率。本文將以DEA分析結果來進行各DMU的生產效率、技術效率和規模效率分析，嘗試通過差額變量分析、敏感度分析來解釋其績效表現，以及影響績效的主要因素，進而提出改善資源使用效率的建議。

3.1 CCR-I模型實證分析

以G20成員國3年的數據進行CCR-I模型分析，如表1所示。

2010年有6個國家效率值為1，分別為阿根廷、巴西、法國、意大利、墨西哥、美國；2011年和2012年有4個國家效率值為1，分別為阿根廷、法國、意大利、美國；是相對有效率。其余國家是相對無效率，3個年度效率平均值分別為0.8722、0.7658和0.7691；均高于我國3年效率值。由CCR模型分析結果可知，2010年阿根廷、法國、意大利和美國這四個國家被參考次數均大于3次，認為是高效率國家，巴西和墨西哥被參考次數小于3次，認為是低效率國家，澳大利亞、加拿大、德國、印尼、俄羅斯、土耳其、沙特效率值在0.9～1之間，認為是低無效率，而中國、印度、日本、韓國和南非效率值小于0.9，被認為是高無效率；2011年高效率國家有阿根廷、法國、意大利和美國，低無效率國家包括澳大利亞、巴西、德國和英國，剩余國家均為高無效率國家；2012年高效率國家包括阿根廷、法國、意大利、美國，低無效率國家包括澳大利亞、德國和英國；剩余國家均高無效率。

3.2 BCC-I模型實證分析

2010-2012年BBC模型分析的技術效率、規模效率以及規模報酬情況如表2所示。

由以上數據可知在非規定報酬的情況下，以BCC-I模型分析，有超過一半國家的技術效率值均為1，以CCR-I所得的生產效率除以技術效率可得規模效率與規模報酬情況，可以看出由于技術效率多為1，故規模效率多受生產效率值的影響，判定本案例偏向固定效率模式，因此本文僅以CCR-I模型進差額分析與敏感度分析。

3.3 敏感度和差額分析

DEA所得的效率為DMU間的相對效率，效率值直接受到投入項與產出項的數值的影響。當改變投入項與產出項時，必須重新計算效率值來檢查變量變化對效率的影響。本文通過敏感度分析了解各投入項與產出項對效率值的影響。以2012年進行敏感度分析可以發現，當刪去勞動力投入項時，發現其對效率影響最大，這意味著所占權重最大，其次是二氧化碳排放量所占權重略大于資本。

針對中國相對無效率進行差額分析，了解其無效率的原因，以2010年數據分析結果如表3所示。

綜合以上數據，我們發現：G20成員國由6個有效率的國家減少為4個，連續三年都有效率的國家為阿根廷、法國、意大利、美國，皆為美洲和歐洲，連續三年最差的國家為南非，亞洲、非洲國家則是相對無效率。整體經濟發展進步的國家為澳大利亞、德國、英國和韓國。中國這三年效率也僅高于南非的效率值，排名倒數第二。由績效變遷可以看出，2010-2011年G20成員國平均效率衰退達11.7%，分析其投入與產出項數據可以發現，投入項中的勞動力、資本、二氧化碳排放量的增長率分別為0.65%、39.75%、-1.46%，產出項PPP的增長率則為0.25%；2011-2012年的數據分別為0.62%、14.37%與6.82%，明顯可以看出2010-2011年效率低下的原因主要來自PPP產出較少。通過分析可以發現中國、印度、印尼、巴西、墨西哥俄羅斯、土耳其及南非等均有超過55%的過多勞動力投入，因此這些國家亟需進行產業升級，將國內產業由勞動密集型提升為技術密集和知識密集型產業，以減少人力資源的浪費。

中國、印尼、印度、俄羅斯、南非和沙特相較于其他國家的二氧化碳排放量過大也是造成表現相對無效率的主要原因，上述六國使用石化燃料發電的比例高達65%以上，相對于有效率國家石化燃料的使用比例平均接近50%，這些國家相對于有效率的國家對于有效率的國家石化燃料的依賴程度相對較高。目前，世界發達國家提出的主要的二氧化碳排放政策主要包括：提高能源生產和使用效率；改變燃料種類減少二氧化碳排放量；發展可再生能源；重新考慮發展核能發電；發展二氧化碳捕捉與封存技術，減少二氧化碳排放到大氣；等等。因此如何改善能源政策、提供減少二氧化碳排放的誘因（如二氧化碳排放許可交易、征收二氧化碳排放稅，并將稅收用于補貼低碳能源或者負擔碳捕捉與封存等新技術的發展成本），是上述國家制定未來重要的能源使用規劃與環境政策考慮的重點。

就我國來看，2012年分析數據以及敏感度與投影分析結果可知，我國在勞動力、資本投入以及二氧化碳排放量方面分別有74.3%、63.3%和63.3%的超額投入或超額排放，進而影響我國的整體績效，2012年我國整體績效僅為0.3673.若分別將勞動力、資本與二氧化碳排放量修正至理想值，則效率可分別提升至0.8343、0.7785和0.9383.改善效果以減少二氧化碳排放量最為明顯，其次是以改善勞動力。

4 結語

該文研究樣本遍及各洲，雖然樣本較為分散可以增加研究內容的多樣性，但也因各樣本所處區域不同，其政治、文化、國情、地理資源及資源也不同，若區域內發生不可預期的天然或人為災害等短期對國家經濟有強烈影響沖擊的區域性變化，極有可能影響短期整體效率的表現。本文將國家經濟發展的基本要素（勞動力、資本）和產出（PPP）以及非意愿產出（二氧化碳排放量）作為變量，但實際上國家經濟發展除了人力、資本投入外，還需要消耗大量的能源，以及消耗能源所產生除了二氧化碳以外的其他溫室氣體，因此未來的研究可以考慮將能源消耗納入投入變量，其他溫室氣體納入產出變量，或將二氧化碳排放量按照部門或產業再細分，以使分析結果更加完善。此外，僅以2010-2012年資料進行分析，若想對各國效率變遷趨勢有更深入的了解，可以加長樣本期間，如10年間效率變遷，應可以看出更為精確的分析結果。

參考文獻

[1] 李力.基于能源-經濟-環境DEA分析的我國工業發展效率評價研究[J].科技管理研究，2008，28（5）：93-95.

[2] 楊玉珍.基于復合DEA的區域資源、環境與經濟社會協調發展研究—— 以河南省為例[J].統計與決策，2010（7）：82-84.

[3] 汪克亮，楊寶臣，楊力.中國能源利用的經濟效率、環境績效與節能減排潛力[J].經濟管理，2010（10）：1-9.

[4] 胡曉珍，張衛東，楊龍.制度環境、技術效率與區域經濟增長差異[J].公共管理學報，2010（2）：79-88.

[5] 許陳生.我國地方經濟發展的環境協調性及其影響因素——基于DEA-Tobit模型的實證研究[J].廣東外語外貿大學學報，2011，22（5）：47-52.

[6] 劉睿劼.基于WP—DEA方法的中國工業經濟-環境效率評價[J].中國人口資源與環境，2012，22（2）：125-129.

[7] 黃賢鳳，武博，王建華.中國八大經濟區工業企業技術創新效率及其影響因素研究[J].中國科技論壇，2013（8）：90-97.

[8] 王軍.山東省綠色經濟效率測算及實證研究[J].中國石油大學學報：社會科學版，2013，29（5）：49-52.endprint